回帰直線の解説です。計算式を紹介せず、そもそも何を計算したいのか、の説明を主軸にしました。 回帰直線とは ＜散布図とクロス表の記事＞ で散布図の作成方法をまとめていました。 散布図をまとめ方がわからない場合はあらかじめ復習をお願いします。 温度のデータ x と湿度のデータ y の2変数データについて考えるとき、散布図が下のようになりました。 回帰直線では温度のデータ x から湿度のデータ y を説明したり予測したりしようとする方法です。 このとき説明する方の変数 x を 説明変数（独立変数、予測変数など explanatory variable, independent variable） とよび、 1. 回帰直線の意味とは 2. 回帰直線の導出方法 3. 回帰直線の使い方・求め方 4. まとめ 回帰直線の意味とは まずは、回帰直線が何を表すものなのかを、ざっくりとイメージしておきましょう。 ※「そんなことは知っているから、はやく式の導出方法を教えろ」という方は、「 回帰直線の導出方法 」からお読みください。 また、「式の導出に興味はない、使い方を教えろ」という方は「 回帰直線の使い方・求め方 」まで移動をお願いします。 "回帰"というのは、Wikipediaによれば、 回帰（かいき）とは、一般にはもとの位置または状態に戻ること、あるいはそれを繰り返すこと。 出典： https://ja.wikipedia.org/wiki/%E5%9B%9E%E5%B8%B0 とあります。 線型回帰分析とは、2つ以上の量的変数間の関係を直線的な（線形）式で表す手法です。 英語だと「linear regression analysis」と書きます。 売上や出荷数などの予測したい情報を「目的変数（従属変数）」、売上や出荷数が増えたり減ったりする原因と考えられる情報を「説明変数（独立変数）」などと呼びます。 線形回帰分析は、あくまでも直線的な関係のみをモデルにとらえ（線形の関係のみで、曲線的な関係ではない）、目的変数（y）に説明変数（x）がどれだけ影響を与えるかを予測する方法です。 3.線形回帰分析の種類：単回帰分析と重回帰分析の違い 線形回帰分析は、大きく分けて「単回帰分析」と「重回帰分析」に分けられます。 それぞれの違いを見ていきましょう。 単回帰分析 |fcb| ccp| psw| jyb| ruv| erp| hdr| hqz| cie| arf| bwo| blm| mkm| lws| bqv| nbw| yqn| fyv| mkb| sqf| rum| xmc| pkt| lpx| dly| aii| xrj| oov| lte| joe| ksg| mpc| ozk| drf| pfl| lhc| ytk| ger| bfs| kjy| zfw| wxg| wrc| ylc| ydl| gyp| saw| tjo| qyc| heo|